通过调用Model的eval接口可以实现推理。为了方便评估模型的好坏,可以在Model接口初始化的时候设置评估指标Metric。
Metric是用于评估模型好坏的指标。常见的主要有Accuracy、Fbeta、Precision、Recall和TopKCategoricalAccuracy等,通常情况下,一种模型指标无法全面的评估模型的好坏,一般会结合多个指标共同作用对模型进行评估。
常用的内置评估指标:
Accuracy(准确率):是一个用于评估分类模型的指标。通俗来说,准确率是指我们的模型预测正确的结果所占的比例。 公式:
Precision(精确率):在被识别为正类别的样本中,确实为正类别的比例。公式:
Recall(召回率):在所有正类别样本中,被正确识别为正类别的比例。 公式:
Fbeta(调和均值):综合考虑precision和recall的调和均值。
公式:
代码如下:
import mindspore.dataset as ds
import mindspore.dataset.transforms.c_transforms as CT
import min